研究課題/領域番号 |
15J03947
|
研究機関 | 慶應義塾大学 |
研究代表者 |
猪狩 良介 慶應義塾大学, 経済学研究科, 特別研究員(DC1)
|
研究期間 (年度) |
2015-04-24 – 2018-03-31
|
キーワード | マーケティング・サイエンス / 計量経済学 / ベイズ統計学 |
研究実績の概要 |
本年度は、大規模なマルチレベル・マルチソースデータを扱うための統計モデルについての研究を実施した。初年度ということもあり、計量経済学・計算機統計学・ベイズ統計学やマーケティング関連の書籍や、大規模データを扱うためのPC等の計算機環境の充実を行った。マーケティングにおけるマルチソースデータを扱うため、マクロデータとミクロデータを同時解析するモデルを開発した。ミクロデータを用いた個人レベルのデータを基本モデルとして解析し、そのパラメータ推定にマクロデータを補助活用するという、マルチソースデータ状況に対応したモデルを開発した。具体的には、ミクロデータに欠測のある状況の継続時間モデルに、マクロ情報をパラメータ推定時に補助的に活用し、更に異なるデータソースのスコアの整合性を取るために、一般化モーメント法を用いたモデルを提案した。さらに、EMアルゴリズムとシミュレーションを用いてパラメータを推定するアルゴリズムを開発した。この研究成果については統計関連の学会で報告を行い、有識者より貴重な意見を頂戴した。なお、現在は論文の投稿準備中である。 また、マルチチャネルにおける消費者の購買行動モデルについても並行して研究している。マルチチャネルにおける消費者の購買行動履歴は一般的にはシングルソースでは与えられず、これを同時に活用するにはマルチソースデータの統計解析が必要になる。しかし、マルチチャネルにおける購買行動モデルについてはシングルソースで捉えたデータを用いた状況でも十分な研究はされていない。そのため、シングルソースデータを用い、マルチチャネルに対処した入れ子型ロジットモデルに学習構造を組み込んだ階層ベイズモデルと、複数チャネルの構造を盛り込んだ競合リスクモデルに異質性を導入した階層ベイズモデルをそれぞれ開発した。この成果はマーケティング関連の学会にて報告し、現在論文誌に投稿中である。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は大規模なマルチレベル・マルチソースデータを扱うための統計モデルとして、ミクロデータに欠測のある状況の継続時間モデルに、マクロ情報を補助的に活用したモデルを開発した。潜在クラスモデルを用いて観測データの背後に欠測があるものとないものに分類し、さらに、欠測に対処するためモデルの背後に個人によって異なる潜在変数を仮定した。また、ミクロデータとマクロデータを同時に活用し、かつスコアの整合性を取るために、一般化モーメント法による制約を課したモデルを開発した。このように、潜在変数モデルと欠測データ解析の手法を用いて大規模なマルチレベル・マルチソース状況下のモデルを開発するという、当初の計画通りのモデルを開発することができた。なお、今回のモデルは離散選択モデルにも拡張することができる。開発したモデルは、統計関連の学会の国際ワークショップにて研究報告を行い、現在は論文の投稿準備中である。 また、次年度以降の研究に必要な課題が新たに見つかったため、ミクロデータを用いたマルチチャネルにおける消費者の購買行動モデルを並行して研究した。これは、次年度以降に研究予定のマルチチャネルを扱ったマルチソースデータの統計モデル開発を実施する前に、シングルソースデータが得られている状況においてのマルチチャネルにおける消費者の購買行動モデル開発が不可欠であると考えたためである。そこで、①マルチチャネル構造を考慮した離散選択モデルと、②マルチチャネルにおける継続時間分析を用いた購買タイミングモデルをそれぞれ開発した。①についてはマーケティング関連の学会で研究報告を行った。また、②については解析結果を論文としてまとめ、現在論文誌に投稿中である。
|
今後の研究の推進方策 |
今後の方針としては、引き続き大規模なマルチソースデータを活用した統計モデルについて、実データ解析への応用とモデルの拡張を行う。さらに、シングルソースデータを用いたマルチチャネルにおける消費者の購買行動モデルを引き続き開発する。 次年度はマルチレベルデータの統計モデルを引き続き研究する。具体的には、1年目に開発したモデルを購買パネルデータやWebアクセスデータ等の実際のマーケティングデータ解析へと応用する。さらには結果を論文としてまとめ、国外の学会誌に投稿する予定である。さらに、一般的なマーケティングデータに応用するためには、離散選択モデルへの拡張が必須である。そのため、昨年度開発したマルチソースデータを同時活用したモデルを多項ロジットモデル等の離散選択モデルに拡張し、さらには大規模データに対応した推定アルゴリズム開発を行う予定である。 また、引き続きシングルソースで得られているマルチチャネルの購買行動データを用いた消費者行動モデル開発も並行して行う。特に今年度は、観測されない消費者の異質性が動的に変化するモデルを開発する予定である。具体的には、初年度に開発した離散選択モデルや継続時間モデルに隠れマルコフモデルを導入したモデルや動的な変量効果を盛り込んだモデルを開発する予定である。 上記の2つの研究群について、モデル・推定アルゴリズム開発、データ解析を実施し、結果を論文としてまとめる。さらに、国内外の統計学・マーケティング関連の学会で報告をする予定である。
|